TDA 会议录：拓扑数据分析在 SDM 2022 数据科学、人工智能与机器学习研讨会中的应用
代数拓扑
2022-04-15 v2 计算几何
机器学习
组合数学
摘要
拓扑数据分析 (TDA) 是一个严谨的框架，借用了几何与代数拓扑、范畴论和组合学的技巧，以研究此类复杂高维数据的“形状”。过去几年该领域研究显著增长，将深厚理论用于基因组学、自然语言处理、医学、网络安全、能源与气候变化等领域的实际应用。在其中部分领域，TDA 也被用于增强 AI 与 ML 技术。我们相信通过汇聚专家（理论者与实践者）与非专家的研讨会，可在此空间获得进一步效用。当前有一个活跃纯数学家群体，研究兴趣在于发展并探索 TDA 的理论与计算方面。应用数学家与其他实践者也在社区中但非多数。这说明了本研讨会的主要目标：扩宽对 TDA 感兴趣的社区。通过促进来自政府、学术与产业界的这些群体间有意义交流，我们希望创造仅能通过建立对问题与解空间的共同全面认知而来的新协同。
引用
@article{arxiv.2204.01142,
title = {Proceedings of TDA: Applications of Topological Data Analysis to Data Science, Artificial Intelligence, and Machine Learning Workshop at SDM 2022},
author = {R. W. R. Darling and John A. Emanuello and Emilie Purvine and Ahmad Ridley},
journal= {arXiv preprint arXiv:2204.01142},
year = {2022}
}